1.其中，模糊線性回歸預(yù)測模型和基于軟分類空間的模糊ISODATA聚類分析預(yù)測模型較傳統(tǒng)模型有改進(jìn)，預(yù)測精度得到了進(jìn)一步提高。
2.目的在中藥材化學(xué)識別模式中介紹一種簡單易行的結(jié)合統(tǒng)計(jì)軟件的統(tǒng)計(jì)分析方法——聚類分析方法。
3.南天竹形態(tài)標(biāo)記和ISSR標(biāo)記聚類結(jié)果之間的相關(guān)性不高，相關(guān)系數(shù)僅為0。
4.CLAP算法通過使用隨機(jī)抽樣技術(shù)，提高了聚類算法的效率。
5.提出一種基于球形的模糊c-均值算法的中文文本聚類方法。
6.一百利用檢索結(jié)果的聚類性，以聚類用戶反饋來提高檢索系統(tǒng)的準(zhǔn)確率和有效率。
7.由于所提算法的語義序列只與文本自身相關(guān)，所以它適用于增量式聚類。
8.文本聚類在信息過濾，網(wǎng)頁分類中有著很好的應(yīng)用。但它面臨數(shù)據(jù)量大，特征維度高的難點(diǎn)。
9.聚類圖上中國人群的南北分界明顯。
10.設(shè)計(jì)了一種基于熵的遺傳聚類分割算法。
11.再按照層次聚類的方法，合并連接相似度高的子簇，[www.9061xoxo.com造句網(wǎng)]得到最終的聚類結(jié)果。
12.自組織特征映射法是一種無教師的聚類方法。
13.研究方法綜合評價(jià)法，秩相關(guān)系數(shù)法，聚類分析法。
14.聚類分析結(jié)果表明該成員與我們已報(bào)道的柑橘酸性轉(zhuǎn)化酶基因不同，推測我們獲得的基因是轉(zhuǎn)化酶基因家族的又一新成員。
15.以圖像的布朗維數(shù)為紋理特征對編碼中的圖像塊進(jìn)行聚類和排序，實(shí)現(xiàn)了對每個(gè)值域塊所需比較定義域塊數(shù)目的精確控制。
16.通過行業(yè)用戶的聚類，來獲得把白領(lǐng)資源的細(xì)分化，一個(gè)有價(jià)值的細(xì)分市場推廣渠道也會隨之誕生。
17.一百零本研究采用了形態(tài)學(xué)標(biāo)記和RAPD標(biāo)記相結(jié)合，運(yùn)用譜系聚類分析、主成分分析，主坐標(biāo)分析對中國南瓜種質(zhì)的遺傳多樣性進(jìn)行了研究。主要結(jié)果如下。
18.本文介紹了實(shí)現(xiàn)視頻分割和場景聚類的算法。
19.該算法將聚類方法和KNN算法的優(yōu)點(diǎn)結(jié)合起來，從而達(dá)到縮減了訓(xùn)練樣本數(shù)量，減少了算法計(jì)算量，加快檢索速度的目的。
20.用座位的基因頻率計(jì)算的遺傳距離與聚類表明，瑤族應(yīng)歸入蒙古人種南亞類型。
21.利用聚類分析中的K-均值算法，把客戶按照一定標(biāo)準(zhǔn)，歸納到不同簇中。
22.聚類分析進(jìn)一步研究了食醋種類之間的相似程度。
23.摘要聚類是數(shù)據(jù)挖掘中的主要方法。
24.該算法動(dòng)態(tài)增量的檢測聚類對象簇的有效性。
25.在定量評價(jià)的數(shù)學(xué)模型中，應(yīng)用Q型聚類分析劃分土地生態(tài)類型，應(yīng)用主成分分析法確定各生態(tài)類型的地位級指數(shù)。
26.實(shí)驗(yàn)表明，該算法對于解決數(shù)據(jù)流聚類問題非常有效。
27.通過聚類分析探討了供試小種間的親緣關(guān)系，RAPD指紋聚類分析表明，供試菌系兩兩之間的相似系數(shù)變幅為0。00。
28.一百通過對參試的不同基因型小麥中植酸和戊聚糖含量進(jìn)行聚類分析，可以將基因型小麥聚為四類，并初步認(rèn)為豫麥參試品種中最適宜于用作飼用小麥。
29.文章通過對鋅鋇白顏料粉種聚類分析的仿真研究，說明人工免疫算法廣闊的實(shí)用價(jià)值。
30.使用基于模糊聚類算法辨識用戶所期望的服務(wù)質(zhì)量或等級。
31.針對一類特征指標(biāo)值及指標(biāo)權(quán)重均為三角模糊數(shù)的多指標(biāo)信息聚類問題，提出了一種新的最大樹聚類分析方法。
32.在基于概率模型的聚類中，簇模型對數(shù)據(jù)分布的擬合性直接影響著聚類質(zhì)量。
33.分析了目前滿足二維空間鄰接條件聚類算法的不足。
34.總體而言，該系統(tǒng)聚類結(jié)果與雞種的地理分布是一致的，并且認(rèn)為獨(dú)龍雞是由紅原雞進(jìn)化而來的家雞品種。
35.針對基本差分進(jìn)化算法早熟收斂的缺陷，提出了一種基于密度聚類的小生境差分進(jìn)化算法。
36.一百孫才新。郭俊峰。廖瑞金變壓器油中溶解氣體分析中的模糊模式多層聚類故障診斷方法的研究。
37.由聚類方法所得結(jié)果看出，在該海區(qū)中有八個(gè)變性水團(tuán)。
38.提出了一種基于模糊C-均值算法和粒子群算法的混合聚類算法。
39.論文在鏡頭分割的基礎(chǔ)上提出了基于多特征的鏡頭聚類分析和基于鏡頭的場景邊界檢測兩種視頻場景構(gòu)造方法，www.9061xoxo.com從而實(shí)現(xiàn)視頻層次結(jié)構(gòu)挖掘。
40.最后給出綜合制圖的一個(gè)范例，分類結(jié)果與已知聚類圖完全一致。
41.一百零通過以全體樣本對全體類別加權(quán)廣義歐氏權(quán)距離平方和最小為目標(biāo)函數(shù)，建立了模糊聚類、識別與優(yōu)選決策統(tǒng)一的理論與循環(huán)迭代模型。
42.利用群體間歐氏距離進(jìn)行的UPGMA聚類分析結(jié)果表明，蠟梅野生群體可以劃分為。
43.首先用閾值分割法去除紅毛丹背景，然后用模糊C均值聚類方法來分割果肉區(qū)域。
44.相關(guān)數(shù)據(jù)的不同粒度聚類結(jié)果論證和說明了聚類粒度分析法的實(shí)效性。
45.針對中文短信文本聚類提出一種基于語義的聚類算法。
46.用于鑒定一些將要區(qū)分的聚群之方法通常稱為聚類過程。
47.一百零用此模型進(jìn)行水質(zhì)評價(jià)，可以克服灰色聚類法評價(jià)結(jié)果趨于均化的缺點(diǎn)。
48.我們應(yīng)用模糊聚類均值對醫(yī)學(xué)圖像進(jìn)行處理，增強(qiáng)了對薄骨和關(guān)節(jié)接合處骨骼的識別能力，取得了較好的三維重建效果。
49.提出了應(yīng)用模糊聚類劃分儲集層巖石物理相的方法。
50.據(jù)此。本文應(yīng)用模糊動(dòng)態(tài)聚類和模式識別相結(jié)合的方法，在人機(jī)交互解釋系統(tǒng)上自動(dòng)實(shí)現(xiàn)微地震相分析。
51.在結(jié)合基于密度和基于網(wǎng)格的聚類算法優(yōu)點(diǎn)的基礎(chǔ)上，提出一種新的聚類算法。
52.將文本聚類引入自動(dòng)文摘中，能實(shí)現(xiàn)多文檔的自動(dòng)文摘。
53.本文根據(jù)日照百分率年變程曲線類型，應(yīng)用聚類分析方法，把全國劃分為日照區(qū)。
54.這種算法結(jié)合密度聚類和層次聚類兩種思想。
55.首先，通過使用DCT代替“像素聚類”并重新定義類間散布矩陣，得到一種新的零空間法。
56.聚類分析在證券投資方面的研究有很大的發(fā)掘空間。
57.提出一種基于互信息約束聚類的圖像標(biāo)注算法。
58.針對解決具有語言評價(jià)信息的多指標(biāo)聚類分析問題，提出了一種基于二元語義信息處理的最大樹聚類方法。
59.由相似矩陣進(jìn)行模糊聚類分析，得到了汕頭港地區(qū)底沙輸運(yùn)路徑。
60.一百比較完善的ISODATA聚類分析。支持手動(dòng)選擇初始聚類中心，類似監(jiān)督法分類。
